IBM y el Instituto Tecnológico de Massachusetts (MIT) han lanzado el Laboratorio de Investigación en Computación MIT-IBM, una nueva organización de investigación conjunta destinada a impulsar el trabajo fundamental en inteligencia artificial, algoritmos y computación cuántica, con énfasis en métodos de computación que puedan extenderse más allá de los límites prácticos de los sistemas clásicos. El laboratorio surge del Laboratorio de IA Watson MIT-IBM (fundado en 2017 en el campus del MIT). Refleja un cambio en el panorama tecnológico, donde la IA ya está ampliamente implementada y la computación cuántica avanza hacia una mayor utilidad práctica.
Los responsables del proyecto describieron el nuevo laboratorio como un vehículo para un desarrollo conjunto más profundo en modelado, algoritmos y diseño de sistemas, especialmente en la intersección de la IA y la computación cuántica. La dirección del MIT presentó esta iniciativa como una continuación de los resultados obtenidos por los socios durante la década anterior y un mecanismo para impulsar la investigación a largo plazo con rigor académico y relevancia industrial.
Áreas de investigación: Inteligencia artificial, algoritmos, computación cuántica y sistemas híbridos.
La agenda técnica del laboratorio se centra en los esfuerzos de colaboración en múltiples ámbitos.
Una de las áreas de enfoque principales es la IA y la computación híbrida, explorando enfoques que combinan la computación clásica con métodos avanzados de IA y, cuando sea apropiado, elementos cuánticos. El objetivo es mejorar la integración de las capacidades de IA en entornos informáticos orientados a la producción, con énfasis en mejoras prácticas y operativas.
Además, el laboratorio hace hincapié en el desarrollo de arquitecturas de modelos de lenguaje pequeñas y eficientes, así como en nuevos paradigmas de computación de IA. Estos esfuerzos se abordan desde la perspectiva de la implementación empresarial, prestando especial atención a atributos del sistema como la fiabilidad, la transparencia y la confianza. Esto demuestra un enfoque que va más allá de los prototipos de investigación y se centra en la creación de sistemas operativos que satisfagan las exigencias del mundo real.
La agenda también incluye investigación sobre algoritmos cuánticos y los fundamentos matemáticos necesarios para abordar problemas complejos relevantes para campos como la ciencia de los materiales, la química y la biología. Paralelamente, se lleva a cabo una investigación más amplia sobre los fundamentos matemáticos y algorítmicos de la computación de próxima generación, con el objetivo de profundizar en la comprensión y las capacidades fundamentales.
El laboratorio también destacó trabajos fundamentales que abarcan la teoría del aprendizaje automático, la optimización, la simulación hamiltoniana y las ecuaciones diferenciales parciales (EDP). Estas áreas suelen ser cuellos de botella para la aproximación de sistemas dinámicos a gran escala, donde los métodos clásicos pueden presentar problemas de fidelidad, coste o ambos. Si bien se citaron varios ejemplos de dominios de aplicación, el hilo conductor técnico son los métodos mejorados de simulación y optimización que podrían traducirse en pronósticos más precisos y procesos de computación más eficientes.
Alineación con las iniciativas del MIT y la hoja de ruta cuántica de IBM.
El MIT señaló que el laboratorio complementa dos iniciativas de toda la institución: el Consorcio de Impacto de IA Generativa del MIT y la Iniciativa Cuántica del MIT. Por su parte, IBM reiteró su plan de lanzar una computadora cuántica tolerante a fallos para 2029 y su impulso hacia la supercomputación cuántica, que describe como la estrecha integración de sistemas cuánticos con computación de alto rendimiento y aceleradores de IA.
Estructura y liderazgo del laboratorio
El laboratorio seguirá siendo codirigido por Aude Oliva, científica investigadora sénior del MIT CSAIL, y David Cox, vicepresidente de Fundamentos de IA de IBM Research. Se nombraron codirectores de área en tres líneas de investigación:
- IA: Jacob Andreas (MIT EECS) y Kenney Ng (IBM Research; director del programa científico MIT-IBM)
- Algoritmos: Vinod Vaikuntanathan (MIT EECS) y Vasileios Kalantzis (IBM Research)
- Computación cuántica: Aram Harrow (Física del MIT) y Hanhee Paik (IBM; Centros de Algoritmos Cuánticos)
El MIT también designó a Dan Huttenlocher, decano de la Facultad de Informática Schwarzman del MIT, como copresidente del laboratorio en representación del MIT.
Resultados obtenidos hasta la fecha en el laboratorio anterior.
El MIT e IBM presentaron el nuevo laboratorio como una continuación de la escala y el historial de publicaciones del Laboratorio de IA Watson. Desde su creación, la colaboración previa ha financiado más de 210 proyectos de investigación en los que han participado más de 150 profesores del MIT y más de 200 investigadores de IBM, lo que ha dado como resultado más de 1,500 artículos revisados por pares. El programa también informó sobre la financiación de más de 500 estudiantes e investigadores posdoctorales, posicionando el desarrollo de la fuerza laboral como un resultado continuo junto con la producción de investigación.
IBM y Dallara anuncian la exploración mediante IA y computación cuántica para flujos de trabajo de diseño aerodinámico.
En un anuncio aparte tras la inauguración del laboratorio MIT-IBM, IBM y el Grupo Dallara revelaron una colaboración centrada en la aplicación de la IA a la aerodinámica de vehículos basada en la física y en la exploración de métodos cuánticos e híbridos cuántico-clásicos que podrían complementar los ciclos de diseño intensivos en simulación con el tiempo.
La IA basada en la física como sustituto para acelerar la iteración impulsada por CFD.
El proyecto aborda una limitación bien conocida en el automovilismo y el desarrollo de vehículos de alto rendimiento: la dinámica de fluidos computacional (CFD) es precisa pero costosa, y la exploración iterativa de la geometría puede extenderse desde horas por barrido hasta semanas o meses a lo largo de todo el flujo de trabajo de desarrollo.
IBM y Dallara presentaron los primeros resultados de un método de IA basado en la física para evaluar múltiples configuraciones de difusor trasero en un prototipo de coche de carreras tipo LMP2. En la comparación descrita, el método tradicional de dinámica de fluidos computacional (CFD) tardó varias horas en calcular todas las configuraciones. En cambio, el método de IA completó las mismas evaluaciones en aproximadamente 10 segundos, arrojó márgenes de error comparables a los de CFD e identificó una configuración óptima.
IBM describió esto como una vía para comprimir la evaluación de cientos de configuraciones de días a minutos, lo que permite una exploración más temprana en el ciclo de diseño y reserva la dinámica de fluidos computacional (CFD) completa para una validación más profunda y la optimización final. El comunicado también hizo referencia al modelado del campo de presión para un ajuste del ángulo del difusor trasero de -2 a +4 grados, con resultados de IA que, según se describió, coincidían estrechamente con los resultados de CFD.
Enfoques cuánticos e híbridos en evaluación
Paralelamente, los equipos indicaron que están evaluando cómo las técnicas cuánticas o híbridas cuántico-clásicas podrían integrarse en los flujos de trabajo de simulación y optimización. El enfoque a corto plazo es exploratorio: identificar cargas de trabajo donde estos métodos podrían complementar los sistemas CFD ya establecidos y explorar oportunidades a largo plazo a medida que los sistemas cuánticos maduren.
Publicaciones de investigación y linaje de modelos (arXiv e ICLR)
IBM y Dallara vincularon el trabajo con publicaciones recientes:
- Los resultados iniciales de la colaboración se describieron en un Preimpresión de arXiv con fecha del 20 de abril de 2026.
- El trabajo se basa en el modelo de transformadores espectrales invariantes de calibre (GIST) de IBM, al que se hace referencia en un Preimpresión del 17 de marzo.
Las empresas indicaron que presentaron avances relacionados en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR, por sus siglas en inglés) el 26 de abril de 2026 en Río de Janeiro.
Fabrizio Arbucci, director de informática de Dallara, destacó la importancia de los modelos neuronales sustitutivos, probados inicialmente en vehículos de alto rendimiento. Subrayó que los avances en eficiencia aerodinámica, como una reducción de la resistencia al aire de entre el uno y el dos por ciento, pueden generar un ahorro sustancial de combustible en diversos medios de transporte, incluidos automóviles y aeronaves, beneficiando a las industrias que dependen de la aerodinámica.
Amazon